41
c. Konversi diagram alur kedalam persamaan.
Setelah teori model dikembangkan dan digambarkan dalam sebuah diagram alur, spesifikasi model dikonversikan kedalam rangkaian persamaan.
d. Memilih Matriks Input dan Estimasi Model.
Perbedaan SEM dengan teknik multivariat lainnya adalah dalam input data yang akan digunakan dalam pemodelan dan estimasinya. SEM hanya
menggunakan matriks varians kovarians atau matriks korelasi sebagai data input untuk keseluruhan estimasi yang dilakukannya.
e. Menilai Problem Identifikasi.
Problem identifikasi prinsipnya adalah problem mengenai ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik.
Problem identifikasi dapat muncul melalui gejala-gejala berikut ini : 1.
Standard error untuk satu atau beberapa koefisien sangat besar. 2.
Program tidak mampu menghasilkan matrik informasi yang disajikan. f.
Evaluasi Model. Pada langkah ini kesesuaian model dievaluasi, melalui telaah terhadap bebagai
kriteria goodness-of-fit. Kriteria-kriteria tersebut adalah : 1.
Ukuran sampel yang digunakan adalah minimal berjumlah 100. 2.
Normalitas dan Linieritas. 3.
Outliers .
4. Multicolinierity and Singularity.
3.4.5. Uji Hipotesis
Dalam analisis SEM umumnya berbagai jenis fit index yang digunakan untuk mengukur derajad kesesuaian antara model yang dihipotesakan dengan data
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
42
yang disajikan. Berikut ini adalah index kesesuaian dan cut-off valuenya untuk digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak.
a.
2
Chi Square Statistic. Alat uji yang paling fundamental untuk mengukur overall fit adalah likehood
ratio Chi-Square Statistic . Model yang diuji akan dipandang baik atau
memuaskan apabila nilai chi-squarenya rendah. Semakin kecil nilai
2
semakin baik model itu dan diterima berdasarkan probabilitas dengan cut-off value
sebesar 0,05 atau 0,10.
b. RMSEA The Root Mean Square Error of Approximation
RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi chi-squre statistic
dalam yang besar. Nilai RMSEA menunjukkan goodness- of-fit
yang dapat diharapkan bila model diestimasi dalam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan index untuk dapat
diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan degree of freedom.
c. GFI Goodness of Fit Index.
Indeks keseusaian fit index ini akan menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks populasi
yang terestimasikan. GFI adalah sebuah ukuran non-statistikal yang mempunyai rentang nilai antara 0 poor fit sampai dengan 1.0 perfect fit.
Nilai yang tinggi dalam indeks ini menunjukkan sebuah better fit. d.
AGFI Adjusted Goodness-of-Fit Index. GFI adalah analog dari R
2
dalam regresi linier berganda yaitu suatu koefisien yang mengukur ketepatan sebuah model yang digunakan. Tingkat penerimaan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
43
yang direkomendasikan adalah bila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,90. GFI maupun AGFI adalah kriteria yang
memperhitungkan proporsi tertimbang dari varians dalam sebuah matriks kovarians sampel.
e. CMINDF.
The Minimum Sample Discrepancy Function CMIN dibagi dengan degree of freedomnya
akan menghasilkan indeks CMINDF, yang umumnya dilaporkan oleh para peneliti sebagai salah satu indikator untuk mengukur tingkat fitnya
sebuah model. Nilai
2
relatif kurang dari 2.0 atau bahkan kadang kurang dari 3.0 adalah indikasi dari acceptable fit antara model dan data.
f. TLI Tucker Lewis Indeks
TLI adalah sebuah alternatif incremental fit index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model. Nilai yang
direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan 0.95 dan nilai yang sangat mendekati 1 menunjukkan a very
good fit .
g. CFI Comparative Fit Index.
Merupakan besaran indeks ini adalah pada rentang nilai sebesar 0 – 1, dimana semakin mendekati 1, mengidentifikasikan tingkat fit yang paling tinggi
a very good fit . Nilai yang direkomendasikan adalah CFI 0,95
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
44
Tabel 3.1 : Goodness of Fit Indices
Goodness of Fit Index
Keterangan Cut-Off Value
X
2
chi square Menguji apakah covariance populasi yang diestimasi sama dengan covariance sample
Diharapkan kecil, 1 sd 5 atau paling baik
diantara 1 dan 2 Probability
Uji signifikansi terhadap perbedaan matriks covariance data dan matriks covariance yang
diestimasi Minimum 0,1 atau
0,2 atau ≥ 0,05
RMSEA Mengkompensasi kelemahan chi square
pada sampel besar ≤ 0,08
GFI Menghitung proporsi tertimbang varians
dalam matriks sampel yang dijelaskan oleh matriks covariance populasi yang diestimasi
≥ 0,90
AGFI GFI yang disesuaikan terhadap DF
≥ 0,90 C min DF
Kesesuaian antara data dan model ≤ 2,00
TLI Perbandingan antara model yang diuji
terhadap baseline model ≥ 0,95
CFI Uji kelayakan model yang tidak sensitive
terhadap besarnya sampel dan kerumitan model
≥ 0,94
Sumber : Hair et.al.,[1998]
3.4.6. Pengujian Model dengan
